这份数据是我自己记录的自10月15日以来的生活开销,并不足一个月,并不是从我实习开始算起,所以有些花费有遗漏,比如房租,安置花费,还有我买的一些食材什么的。
library(tidyverse)
## Loading tidyverse: ggplot2
## Loading tidyverse: tibble
## Loading tidyverse: tidyr
## Loading tidyverse: readr
## Loading tidyverse: purrr
## Loading tidyverse: dplyr
## Conflicts with tidy packages ----------------------------------------------
## filter(): dplyr, stats
## lag(): dplyr, stats
library(wordcloud2)
library(recharts)
##
## Attaching package: 'recharts'
## The following object is masked from 'package:ggplot2':
##
## %+%
library(reshape2)
##
## Attaching package: 'reshape2'
## The following object is masked from 'package:tidyr':
##
## smiths
food<-read.csv('food.csv',header=T)
cost<-read.csv("cost.csv",header = T)
用Echart来看看我每天简朴的饮食情况
eLine(food,xvar=~Date,yvar=~Breakfast+Lunch+Dinner)
用雷达图来看我每周一天三餐的消费会不会直观点,好吧其实并没有。
food$week<-c('Mon','Tue','Wed','Thu','Fri','Sat','Sun','Mon','Tue','Wed','Thu','Fri','Sat','Sun','Mon','Tue','Wed','Thu','Fri','Sat','Sun','Mon')
food_long<-melt(food[,-5],value.name = "Money",variable.name = "food")
## Using Date, week as id variables
## Warning in melt_dataframe(data, as.integer(id.ind - 1),
## as.integer(measure.ind - : '.Random.seed' is not an integer vector but of
## type 'NULL', so ignored
eRadar(food_long,xvar= ~week, yvar=~Money, series=~food)
大家可能看到我的不少伙食开销是0,这其中发生了什么呢?
food$label<-rep(1,22)#添加计数标签
sentence<-filter(food,Dinner==0)%>%group_by(event)%>%summarise(freq=sum(label))#分类汇总
wordcloud2(sentence,size=0.5)
## Warning in if (class(data) == "table") {: 条件的长度大于一,因此只能用其第
## 一元素
图中可以看到,我靠煮汤圆和泡面蹭过了6次晚餐,留宿朋友+冲网费换来了一顿请客,有时候周末早餐没吃(睡过了),回了趟学校刷了校园卡,再就是部门组织的一次聚餐了,看了之后有没觉得我们的活动状况和账单息息相关。
真正的大头来了,毕竟我国的恩格尔系数有那么高了,食物占不到我们开销的多大比例。
wordcloud2(cost,size=1)
可以看到,即使没算进初期的安置费用,我的生活开销仍然是一笔不菲的数额,若大的换房两个字让我和房子中介的撕逼过程历历在目,代课说的是一笔不可描述的交易,其它的看起来仿佛也没有多少。
总的来说,我这22天花的钱如下: 2929.5元
以上就是我有记录的实习以来的开销了的实习过程中的开销了,非常详细,希望能对大家有所借鉴。